【技术实现步骤摘要】
一种基于模糊和去冗余的受限玻尔兹曼机图像分类方法
本专利技术涉及对不同类型的图像特征进行抽象提取以及自动识别分类的领域，尤其是涉及一种基于模糊和去冗余的受限玻尔兹曼机图像分类方法。
技术介绍
如今，世界充满了信息。图像作为人类感知世界的视觉基础，成为人类获取信息、表达信息和传递信息的重要手段。大量的图像采集和处理技术在军事、工业、服务等领域发展迅速。特别是近年来，图像采集也开始成为一些机器人和车辆信息采集的重要手段。随着图像采集精度的提高，高精度、高频率的图像采集设备逐渐发展起来，如何从大量的图像中提取人们需要的信息成为国际研究的热点和难点。因此，为了探索高精度、高速的图像特征提取规律和方法，许多优秀的研究人员致力于图像特征提取和大数据分类。为了提高计算机的学习速度和处理数据的能力，在处理大量高维数据时，需要提取特征来减少数据维数。受限玻尔兹曼机(RBM)作为许多深度学习算法的基本框架，不仅可以实现有效的特征提取，还可以实现数据降维，提高数据分类精度。传统的RBM虽然可以实现特征提取，但其提取能力有限，并且学习时间长。当图像信息比较庞大且复杂时，很难有效的提取图像...
【技术保护点】
1.一种基于模糊和去冗余受限玻尔兹曼机的图像分类方法，该方法采用预训练好的图像分类模型对图像进行处理，获取图像分类结果，其特征在于，所述图像分类模型包括模糊受限玻尔兹曼机、去冗余受限玻尔兹曼机和支持向量机，所述图像分类结果的获取包括以下步骤：S1：模糊受限玻尔兹曼机对待分类图像进行特征提取，获取图像特征；S2：对提取出的图像特征进行去冗余，获取去冗余图像特征；S3：去冗余受限玻尔兹曼机对去冗余图像特征进行处理，获取降维图像特征；S4：支持向量机对降维图像特征进行处理，获取图像分类结果。
【技术特征摘要】
1.一种基于模糊和去冗余受限玻尔兹曼机的图像分类方法，该方法采用预训练好的图像分类模型对图像进行处理，获取图像分类结果，其特征在于，所述图像分类模型包括模糊受限玻尔兹曼机、去冗余受限玻尔兹曼机和支持向量机，所述图像分类结果的获取包括以下步骤：S1：模糊受限玻尔兹曼机对待分类图像进行特征提取，获取图像特征；S2：对提取出的图像特征进行去冗余，获取去冗余图像特征；S3：去冗余受限玻尔兹曼机对去冗余图像特征进行处理，获取降维图像特征；S4：支持向量机对降维图像特征进行处理，获取图像分类结果。2.根据权利要求1所述的一种基于模糊和去冗余的受限玻尔兹曼机图像分类方法，其特征在于，所述模糊受限玻尔兹曼机的建立包括利用三角对称函数对受限玻尔兹曼机的连接权重、可见层偏置和隐藏层偏置进行模糊化，并且将受限玻尔兹曼机的能量函数和概率分布模型替换为模糊化能量函数和自由能量概率模型，最终得到模糊受限玻尔兹曼机。3.根据权利要求2所述的一种基于模糊和去冗余的受限玻尔兹曼机图像分类方法，其特征在于，所述利用三角对称函数对受限玻尔兹曼机的连接权重进行模糊化的表达式为：式中，为隐藏层第i个节点与可见层第j个节点连接权重的左边界，为隐藏层第i个节点与可见层第j个节点连接权重的右边界，为隐藏层第i个节点与可见层第j个节点连接权重的中间值，为隐藏层第i个节点与可见层第j个节点的模糊化连接权重表达式，为模糊化连接权重；同理，分别用可见层偏置a和隐藏层偏置b替换连接权重w得到模糊化可见层偏置和模糊化隐藏层偏置4.根据权利要求2所述的一种基于模糊和去冗余的受限玻尔兹曼机图像分类方法，其特征在于，所述模糊化能量函数和自由能量概率模型的表达式为：式中，为模糊化的能量函数，为待优化的参数，x为模糊受限玻尔兹曼机的可见层，h为模糊受限玻尔兹曼机的隐藏层，m为模糊受限玻尔兹曼机可见层的层数，n为模糊受限玻尔兹曼机隐藏层的层数，h为隐藏层神经元状态向量，下标i为层中第i个节点，下标j为层中第j个节点，为自由度函数，F(x,WL,aL,bL)和F(x,WR,aR,bR)分别为自由度函数的左侧...
【专利技术属性】
技术研发人员：吕学勤，孟令政，陈超，王培松，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。